考虑放弃出行者的动态拼车匹配 restless bandit 模型

本文研究了一个大规模拼车匹配问题，涉及大量出行者，他们要么是拥有车辆的司机，要么是寻找共享车辆的乘客。司机可以匹配行程相似并共享同一车辆的乘客；我们的模型考虑了放弃出行者，即那些在长时间等待共享乘车后变得不耐烦并离开服务系统的出行者。目标是最大化拼车服务供应商的长期平均收益，该收益定义为提供拼车服务所获得的长期平均奖励与因放弃出行者产生的长期平均惩罚之间的差值。该问题因其规模、出行者的异质性（在出发地、目的地和出行偏好方面）以及放弃行为而变得复杂。为此，我们将拼车匹配问题形式化为一个特定的马尔可夫决策过程，并提出了一种可扩展的拼车匹配策略，称为双变量指数 (BI) 策略。BI 策略根据出行者双变量指数的排序来确定优先级，我们证明，在一个特殊情况下，这能导出拼车匹配问题松弛版本的最优策略。对于一般情况，通过对具有真实世界出行需求的系统进行广泛的数值模拟，证明 BI 策略显著优于基准策略。